咨询dplyr中select_at、mutate_at等verb_at系列函数的适用场景

嘿，我来帮你把dplyr里_at系列函数的使用场景说清楚，毕竟我平时处理数据时经常用到这些，举几个实际例子你就秒懂啦！

简单来说，_at系列函数的核心特点是精准指定你要操作的列集合——不管是直接列名、字符向量，还是通过列名匹配规则（比如starts_with()）筛选，都能精准定位目标列，和_all（操作所有列）、_if（操作满足条件的列）形成互补。

1. select_at：精准挑选或批量重命名列 #

这个函数适合两种核心场景：

• 场景1：按列名规则批量挑选列，比如提取所有带特定前缀/后缀的列
  比如你有天气数据，列名是date, temp_morning, temp_afternoon, temp_night, humidity，想一次性选出所有温度相关的列，同时去掉temp_前缀：

  library(dplyr)
  library(stringr)
  weather_data %>%
    select_at(vars(starts_with("temp")), ~ str_remove(., "temp_"))
  

• 场景2：排除特定列，保留其余列
  比如要去掉date和humidity，保留剩下的所有列：

  weather_data %>%
    select_at(vars(-date, -humidity))
  

2. mutate_at：对指定列批量做数据变换 #

这是_at系列里最常用的函数，应用场景非常多：

• 场景1：对特定数值列做标准化处理
  比如学生成绩数据里，只想给math, english, science三科成绩做z-score标准化：

  student_scores %>%
    mutate_at(vars(math, english, science), ~ (.-mean(., na.rm = TRUE))/sd(., na.rm = TRUE))
  

• 场景2：批量转换列类型
  比如把gender, city, occupation这几个字符列统一转成因子：

  user_data %>%
    mutate_at(vars(gender, city, occupation), as.factor)
  

• 场景3：对匹配列名规则的列做统一运算
  比如所有以count_开头的列都加1：

  sales_data %>%
    mutate_at(vars(starts_with("count")), ~ . + 1)
  

3. rename_at：批量重命名指定列 #

当你需要统一修改一批列的名称时，这个函数超好用：

• 场景：去掉所有product_前缀的列名，比如把product_price改成price，product_quantity改成quantity：

  sales_data %>%
    rename_at(vars(starts_with("product")), ~ str_remove(., "product_"))
  

  或者给所有数值列加_num后缀：

  sales_data %>%
    rename_at(vars(where(is.numeric)), ~ paste0(., "_num"))
  

4. summarise_at：对指定列批量做汇总统计 #

如果你只想对特定列计算统计量，而不是所有列，就用它：

• 场景：计算所有温度列的平均值：

  weather_data %>%
    summarise_at(vars(starts_with("temp")), mean, na.rm = TRUE)
  

  还能同时计算多个统计量，比如均值和最大值：

  weather_data %>%
    summarise_at(vars(starts_with("temp")), list(avg = mean, max = max), na.rm = TRUE)
  

和_if、_all的区别快速梳理 #

最后再帮你区分下这三个系列的核心差异：

• _all：操作所有列，适合全列统一处理（比如把所有列转成字符串：mutate_all(as.character)）
• _if：操作满足条件的列，比如对所有数值列做标准化：mutate_if(is.numeric, ~ scale(.))
• _at：操作你明确指定的列，不管列类型，精准可控，这是它独有的优势

另外提一句：dplyr 1.0.0之后官方推荐用across()来替代这些旧的系列函数，比如mutate(across(vars(math, english), ~ scale(.)))，逻辑是一样的，但写法更统一，不过旧的_at函数目前仍然可用，完全不用担心兼容性问题。

内容的提问来源于stack exchange，提问作者deann